多通道特征向量的新三角距离高效推荐  

Efficient Recommendation of New Triangular Distance for Multi-channel Feature Vectors

作　　者：吕亚兰 张恒汝[1] 秦琴 徐媛媛[1] LYU Yalan;ZHANG Hengru;QIN Qin;XU Yuanyuan(College of Computer Science,Southwest Petroleum University,Chengdu 610500,China)

机构地区：[1]西南石油大学计算机科学学院,成都610500

出　　处：《西南大学学报（自然科学版）》2021年第10期19-28,共10页Journal of Southwest University(Natural Science Edition)

基　　金：国家自然科学基金项目(61902328);四川省科技厅应用基础研究项目(2019YJ0314);四川省青年科技创新研究团队(2019JDTD0017);浙江海洋大学大数据挖掘与应用省重点实验室开放课题(OBDMA202005).

摘　　要：为同时提高推荐系统的准确度和效率,提出了一种多通道特征向量的新三角距离推荐算法.首先从原始评分矩阵中提取多通道特征向量;其次结合三角距离和Jaccard系数构建新三角距离;最后将该距离用于k近邻算法以表征两个项目间的相似度.在4个真实数据集上的实验结果表明:文中提出的算法推荐效率更高,并能保持较好的推荐准确度.In order to simultaneously enhance the accuracy and efficiency of the recommender system,this paper designs a new triangular distance recommendation algorithm for multi-channel feature vectors.Firstly,we use item's rating matrix to extract multi-channel feature vectors.Secondly,we combine the triangular distance and Jaccard similarity coefficient to conduct a new triangular distance.Finally,we apply this distance to the k-nearest neighbor algorithm to characterize the similarity between two items.The experimental results on 4 real datasets show that the proposed algorithm is more efficient and better accuracy.

关 键 词：多通道特征向量 新三角距离 高效推荐 K近邻算法 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]